lesson1Title

lesson2Title

lesson3Title

lesson4Title

lesson5Title

lesson6Title

lesson7Title

lesson8Title

lesson9Title

lesson10Title

aiFineTuningApplicationChapter2Title

lesson11Title

lesson12Title

aiFineTuningApplicationChapter1Title

aiFineTuningApplicationChapter3Title

import tensorflow as tf
import numpy as np

# 데이터 준비
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

# 모델 생성
model = tf.keras.Sequential([
    tf.keras.layers.Dense(1, input_shape=[1])
])

# 모델 컴파일
model.compile(optimizer='sgd', loss='mean_squared_error')

# 모델 훈련
model.fit(x, y, epochs=4)

# 예측
print(model.predict(np.array([6])))

# 참고로 보는 AI 학습 코드 예시 - Part 1

지금까지 1줄의 코딩 없이 파인튜닝 과정을 학습해왔지만, 실제로 파인튜닝을 하기 위해서는 굉장히 길고 정교한 프로그램을 작성해야합니다.

AI 프로그래밍에 가장 널리 활용되는 언어는 **파이썬**입니다. 파이썬은 간결하고 읽기 쉬운 문법과 수많은 학습자료, 라이브러리(도구)를 제공해 인공지능 업계에서 가장 많이 사용되고 있습니다.

실습화면에서 소개되는 코드는 인기 AI 라이브러리 중 하나인 `텐서플로우(TensorFlow)`를 활용해 아주 간단한 형태의 AI를 훈련하는 코드입니다.

코드를 깊게 이해할 필요 없이, AI 학습 과정이 실제로 코드 수준에서 어떻게 진행되는지 감을 잡기 위한 참고용으로 보시면 됩니다.

 

## AI 학습 목표 목표

훈련시킬 AI는 입력과 출력되는 숫자들 사이의 관계를 학습할 것입니다.

예를 들어, `1, 2, 3, 4, 5`라는 숫자가 입력으로 주어졌을 때, 이에 대응하는 출력값은 `2, 4, 6, 8, 10`이라는 결과를 학습하게 될 것입니다.

여러분도 눈치채셨겠지만, 이는 입력값에 2를 곱한 결과입니다.

 

## 코드 설명

이제 실제 코드를 보면서 각 부분이 무엇을 하는지 하나씩 살펴보겠습니다.

```python title="AI 학습에 필요한 도구 가져오기"
import tensorflow as tf
import numpy as np
```

AI 학습에 필요한 도구를 불러오는(import) 과정입니다. `tensorflow`는 AI 모델을 만드는 도구이고, `numpy`는 숫자를 다루는 도구입니다.

 

```python title="데이터 준비"
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])
```
여기서는 AI에게 보여줄 예시 데이터를 준비합니다. `x`는 입력값, `y`는 그에 대응하는 결과값입니다.

 

```python title="모델 생성"
model = tf.keras.Sequential([
 tf.keras.layers.Dense(1, input_shape=[1])
])
```
이 부분은 AI 모델의 구조를 만듭니다. 입력값 하나를 받아 출력값 하나를 내놓는 아주 간단한 구조입니다.

 

```python title="모델 컴파일"
model.compile(optimizer='sgd', loss='mean_squared_error')
```

컴파일(Compile)이라는 과정은 AI가 학습을 시작하기 전에 준비하는 단계로, 학습 방법과 학습 결과를 측정하는 방법을 설정합니다.

여기서는 AI가 학습하는 방식을 설정합니다. `optimizer`는 학습 방법을, `loss`는 AI가 얼마나 잘 학습했는지 측정하는 방법을 의미합니다.

 

```python title="모델 훈련"
model.fit(x, y, epochs=4)
```
이제 실제로 AI를 훈련시킵니다. `epochs=4`는 전체 데이터를 4번 반복해서 학습한다는 의미입니다.

 

```python title="예측"
print(model.predict(np.array([6])))
```
마지막으로, 학습된 AI에게 새로운 값 `6`을 주고 예측을 요청합니다.

AI가 제대로 학습했다면 12에 가까운 값을 출력할 것입니다.

 

실습 환경의 **코드 실행** 버튼을 클릭하고, AI를 직접 훈련시켜보세요!